一、人工智能的崛起
2016年3月,Google公司研发的AlphaGo以 4:1击败世界围棋顶级选手李世石。次年, AlphaGo2.0对战世界最年轻的围棋四冠王柯洁, 以3:0击败对方。背后支撑AlphaGo具备如此强 大能力的,就是“深度学习”(Deep Learning)。
一时间,“深度学习”这个本专属于计算机学 科的术语,成为包括学术界、工业界、风险投 资界等众多领域的热词。
除了博弈,深度学习在计算机视觉(computer vision)、语音识别、自 动驾驶等领域,表现与人类一样好,甚至有些地方超过了人类。2013年, 深度学习就被麻省理工学院的《MIT科技评论》评为世界10大突破性技术 之一。
深度学习不仅是一种算法升级,还是一种全新的思维方式,它的颠覆性在 于,将人类过去痴迷的算法问题,演变成数据和计算问题,以前“算法为 核心竞争力”正在转换为“数据为核心竞争力”。
二、 深度学习的定义
1 深度学习的概念
深度学习就是包含多个隐藏层(越多即越深)的多层感知机。它通过组合低层特征,形成更为抽象的高层表示,用于描述被识别对象的高级属性类别或特征。能自生成数据的中间表示(虽然这个表示并不能被人所理解),是深度学习区别于其它机器学习算法的独门绝技。
所以,深度学习可总结为:通过加强网络,提取数据深层次特征。
2 深度神经网络
深度神经网络包括:输入层、隐藏层、输出层。
3 深度学习和机器学习的关系
人工智能学科体系图
人工智能、机器学习、深度学习三者的关系,可以认为深度学习是机器学习的“高级阶段”。
三、深度学习的特点
1 深度学习的特点
-
优点:
(1)性能更优异。
(2)不需要特征工程。
传统机器学习需要人继续宁特征提取(特征工程),机器性能高度依赖于特征工程的质量。在特征很复杂的情况下,人就显得无能为力。而深度学习不需要这样的特征工程,只需要将数据直接传递给深度学习网络,由机器完成特征提取。
(3)在大数据样本下有更好的性能。
深度学习在大样本数据下由更好的性能和扩展性。
(4)能解决某些传统机器学习无法解决的问题。
如深层次特征提取。 -
缺点:
(1)小数据样本下性能不如机器学习
(2)深度学习网络结构复杂,构建成本高。
(3)传统的机器学习比深度学习具有更好的解释性,深度学习过程不可解释。
2 深度学习与机器学习对比
深度学习具有更强的解决问题的能力,特别是在图像处理中,图像识别准确率明显超过机器学习,甚至超过了人类。
未完。。。。。。